자연어 의미론을 위한 기능적 기하대수학으로 나아가기

요약

본 논문은 자연어 의미론 분야의 기존 분포적 및 신경망 접근법이 가진 구조적 한계(구성성, 타입 민감도, 해석 가능성 등)를 극복하기 위해 기능적 기하대수학(FGA)을 제안합니다. FGA는 클리포드 대수를 기반으로 하며, 의미 표현에 수학적으로 우월한 기초를 제공한다고 주장합니다. 이 프레임워크는 분포적 학습과 현대 신경망 아키텍처와의 호환성을 유지하면서도, 단순 차원 증가가 아닌 구조적 조직의 향상을 통해 타입화되고 구성적인 의미론을 가능하게 합니다.

핵심 포인트

• 기존 자연어 의미론 모델은 선형대수 기반으로 구축되어 왔으나, 구성성 및 해석 가능성에 한계가 있다.
• 기능적 기하대수학(FGA)은 클리포드 대수를 확장하여 의미 표현을 위한 수학적으로 우월한 기초를 제공한다.
• FGA는 분포적 학습과 현대 신경망 아키텍처와 호환성을 유지하면서 타입화되고 구성적인 의미론을 구현할 수 있게 한다.
• GA는 $n$-차원 임베딩 공간을 $2^n$ 다중벡터 대수(multivector algebra)로 확장하여, 기본 개념과 고차원 상호작용을 단일한 원칙 기반 프레임워크에서 표현한다.